Machine Learning培訓

這門在 澳門（線上或線下）進行的教師主導型實時培訓，對象為希望理解 AlphaFold 運作原理的生物學家，並將其模型作為實驗研究的指引。

在本培訓結束時，參與者將能夠：

• 理解 AlphaFold 的基本原理。
• 學習 AlphaFold 的運作方式。
• 學習如何解析 AlphaFold 的預測與結果。

此導師主導的培訓課程（於 澳門 提供線上或線下模式），旨在協助不同專業程度的學員利用 Google AutoML 平台開發適用於各種應用的自定義聊天機器人。

完成本課程後，學員將能夠：

• 理解聊天機器人的基本開發原理。
• 熟悉 Google Cloud Platform，並存取 AutoML。
• 準備用於訓練聊天機器人模型的數據。
• 使用 AutoML 訓練和評估自定義聊天機器人模型。
• 將聊天機器人部署至不同平台與渠道並進行整合。
• 監控並持續優化聊天機器人的表現。

此於澳門（線上或線下）舉行的由講師指導的即時培訓，提供模式識別和機器學習領域的入門介紹。內容涵蓋統計學、計算機科學、信號處理、計算機視覺、數據挖掘和生物信息學的實際應用。

完成本培訓後，參與者將能夠：

• 應用核心統計方法進行模式識別。
• 使用神經網絡和核方法等關鍵模型進行數據分析。
• 實施用於解決複雜問題的高級技術。
• 通過組合不同模型來提高預測準確性。

這門在 澳門（線上或線下）進行的由講師指導的現場培訓，旨在針對希望利用 TensorFlow Lite 進行邊緣 AI 應用的中級開發人員、數據科學家和 AI 從業者。

在本課程結束時，參與者將能夠：

• 理解 TensorFlow Lite 的基本概念及其在邊緣 AI 中的作用。
• 使用 TensorFlow Lite 開發和優化 AI 模型。
• 在各種邊緣設備上部署 TensorFlow Lite 模型。
• 利用工具和技術進行模型轉換和優化。
• 實施使用 TensorFlow Lite 的實用邊緣 AI 應用。

這門由講師指導的課程在 澳門 進行（線上或線下），面向希望構建、部署和管理Kubernetes上機器學習工作流程的開發人員及數據科學家。

課程結束後，學員將能夠：

• 在本地環境和雲端安裝並配置Kubeflow。
• 基於Docker容器和Kubernetes構建、部署及管理機器學習工作流程。
• 在多種架構和雲端環境中運行完整的機器學習管線。
• 使用Kubeflow生成並管理Jupyter筆記本。
• 跨多個平台構建機器學習訓練、超參數調優及服務部署工作負載。

此於[loc]（線上或線下）舉辦的由講師帶領即時培訓，旨在幫助中階資料分析員學習如何使用RapidMiner來估計和預測數值，並利用分析工具進行時間序列預測。

完成培訓後，學員將能夠：

• 學習應用CRISP-DM方法論，選擇合適的機器學習算法，並優化模型構建與效能。
• 使用RapidMiner來估計和預測數值，並利用分析工具進行時間序列預測。

這種由講師指導的現場培訓在 澳門 （線上或線下）旨在服務希望探索深度學習模型最前沿 XAI 技術的高級專業人士，重點在於構建可解釋的 AI 系統。

在本課程結束時，參與者將能夠：

• 理解深度學習中可解釋性的挑戰。
• 為神經網絡實施先進的 XAI 技術。
• 解釋深度學習模型做出的決策。
• 評估性能與透明度之間的權衡。